GEDI地面高程和森林冠层高度的精度评价与影响分析

精确地提取地面高程和植被冠层高度,对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达（GEDI）为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷达数据验证GEDI提取的地面高程和冠层高度精度,并探讨地理定位误差、地形坡度、坡向、植被覆盖度、方位角、采集时间、光束类型和不同森林类型因素对其精度的影响。结果表明：通过校正GEDI数据地理定位误差,可以明显提高其提取的地面高程和冠层高度精度;影响冠层高度提取精度最主要的因素是植被覆盖度,其次是坡度;影响地面高程提取精度的主要因素为坡向、坡度。植被覆盖度大于25%时,数据精度更高;坡度为0°—5°的缓坡地区地面高程和冠层高度精度最高。该研究结果将为GEDI数据筛选与应用提供依据。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

基于无人机激光雷达的森林冠层高度分析

快速准确获取森林结构参数对森林资源调查管理及全球碳汇研究具有重要意义。以祁连山东、中部青海云杉林为研究对象,利用16个无人机激光雷达（LiDAR）点云数据、正射影像数据结合实地样方观测数据,提取样方内青海云杉的单木树高并准确验证树木分割精度;结合实测数据和地形数据,依据统计指标验证提取树高精度并分析原因;基于点云数据提取的各样方树高分析祁连山青海云杉冠层高度在空间上的变化。结果表明：在祁连山山地森林,冠层高度平均值估算精度最高,R²为0.93,RMSE为1.39 m（P<0.05）;地形影响基于点云数据的树高提取,坡度较小的青海云杉树高提取效果更好;从东到西,青海云杉平均树高呈下降趋势;随着海拔高度上升,青海云杉的平均树高先上升后下降,这与祁连山东西水热条件差异和不同海拔树木年龄分布有关。     

基于背包激光雷达的单木材积估测方法研究

背包式激光雷达（Backpack Laser Scanning, BLS）在森林资源调查中具有很大的应用潜力,但在复杂地表情景下,单木材积和林分蓄积量提取精度存在较大不确定性。以广西高峰林场为研究区,利用随机森林方法,基于BLS点云数据对单木材积和样地蓄积量进行估测。首先,对BLS点云进行单木分割,提取单木胸径（DBH）、树高（H_tree）、冠幅直径（CD）、冠幅面积（CA）、冠幅体积（CV）、郁闭度（CC）、间隙率（GF）和叶面积指数（LAI）共8个特征参数,并计算56个分层高度指标（高度百分比、累积高度百分比、变异系数、冠层起伏率等）。然后,通过随机森林算法构建单木材积估测模型,并对比各种参数组合的预测精度。得到结果： ①仅用8个单木结构特征参数进行建模,估测精度为： R2=0.83、RMSE=0.097 m³; ②加入分层高度指标的模型估测精度有所提升： R2=0.87、RMSE=0.087 m³;③通过Boruta算法进行变量筛选,输入参数从64个减少至52个,估测精度差异不大： R²= 0.87、RMSE=0.087 m³;④样方蓄积量估测精度为： R²=0.97,RMSE=0.703 m³·ha^-1。结果表明,基于BLS点云建立随机森林单木材积估测模型可以较好地估测单木材积,样方蓄积量估测精度高。     

基于吉林一号光谱星影像的农作物叶面积指数反演

吉林一号光谱星的发射提高了我国对地观测能力，并且在农业定量反演方面具有较大的潜力，为了准确、有效地反演农作物关键参数，分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区，基于吉林一号光谱星影像，使用优化后的PROSAIL模型和曲线匹配算法，对不同物候期内的玉米和水稻叶面积指数(LAI)进行了反演，并结合实测LAI数据进行了精度验证。结果表明：优化后的PROSAIL模型其参数范围和参数步长更适用于农作物LAI反演，在保证精度的前提下精简了查找表的容量；基于特征值的曲线匹配算法在空间分布高度一致、误差绝对值均值为0.41的情况下，计算效率平均提高了41.43%；研究区不同物候期内的玉米和水稻LAI反演精度R²为0.72～0.9,RMSE为0.32～0.49。其中，玉米开花期精度最高(R²=0.9,RMSE=0.4)，玉米成熟期精度最低(R²=0.72,RMSE=0.47)。综上所述，基于吉林一号光谱星影像反演农作物LAI具有精度高、误差小的特点，研究结果可为该数据在农作物L...     

基于点云数据的单木三维绿量估算方法

针对不同树种的树叶疏密及空间结构不同,提出基于激光点云数据,顾及冠层叶面积密度的树木三维绿量（Living Vegetation Volume, LVV）计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶,剔除非光合作用成分,提取树叶点云;然后建立体元模型,引入Graham算法确定分层树冠边界,获取激光接触频率,从而基于体元冠层分析（Voxel-based Canopy Profiling, VCP）方法求出冠层叶面积密度（Leaf Area Density, LAD）;最后分层棱柱体积乘以叶面积密度,累加得到树木的三维绿量。利用Riegl VZ-400地面激光扫描仪获取13棵不同形状和树种的树木点云数据,利用该方法估算各树木三维绿量,并与传统的凸包法和台积法的结果对比。实验结果表明,台积法计算的三维绿量值最大,凸包法计算的三维绿量次之,顾及冠层叶面积密度的树木三维绿量方法计算的三维绿量值最小,为台积法的36.69%,为凸包法的47.80%。相比传统方法,顾及冠层叶面积密度的树木三维绿量计算方法侧重光合作用组分叶片点云的统计,并考虑了树冠内部树叶分布情况,更符合树木的实际情况,能充分利用三维点云数据特性,反映树冠内部三维绿量分布。     

玉米冠层最佳水分指数优选

针对基于植被指数反演不同生长期、不同冠层结构特征下玉米冠层含水量的序列性研究较少,冠层含水量反演较低等问题,优选不同生长期玉米冠层含水量反演最佳植被指数,完成玉米冠层含水量高精度提取。初步选择4种可靠性强的水分指数:归一化植被指数、归一化水体指数1、归一化水体指数2、水协迫指数,分别基于PROSAIL辐射传输模型、三期实测冠层含水量及同步Landsat-8OLI数据,模拟分析4种植被指数与冠层含水量的关系,优选不同生长期玉米最佳水分指数,实现玉米冠层含水量快速精确反演。实例验证结果表明,水分指数归一化水体指数1可作为植被冠层含水量反演的最佳指数且反演精度随着植被含水量的增加而降低,在玉米生长初期,中误差为0.13kg/m~2,在生长中后期,中误差达到0.582kg/m~2,满足生长初期玉米冠层含水量快速反演需求。研究结果可为植被冠层含水量反演中水分指数选择提供参考,也可为稀疏植被覆盖区土壤水分反演研究提供借鉴。     

基于地基可见光图像的喀斯特典型植被长势监测

生态观测试验站为喀斯特典型脆弱生态区植被生长监测提供了高通量冠层拍摄图像,但目前鲜见有关喀斯特地区裸岩和植被混杂下垫面植被提取的研究报道。利用石漠化生态观测试验站获取的植被冠层RGB图像,研究喀斯特植被适用分割算法和长势监测模型,为基于地基冠层可见光图像的植被监测提供技术支持。结果表明：(1)基于颜色空间、颜色通道非线性组合、机器学习3种算法对喀斯特地区浅绿色植被的区分度均较高,但对裸岩和深绿色植被区分度有明显差异。晴天强光和阴天弱光条件下3种分割方法对植被分割效果差异明显,机器学习算法分割效果最优,阴天弱光条件准确率超过80%,晴天强光条件下可超过90%。(2)基于RGB图像反演的可见光植被指数GLA、NDYI、NGRDI和VARI所反映的植被长势变化趋势相似,但NDYI对植被长势差异响应更敏感。复合正弦函数可以较好地模拟4种可见光植被指数的逐日动态变化特征,且对NGRDI变化趋势模拟精度最高(R²=0.830)。     

用高光谱数据反演健康与病害落叶松冠层光合色素含量的模型研究——基于2005年吉林省敦化、和龙两市落叶松冠层采样测量数据

健康落叶松与遭受病害落叶松的冠层光谱反射率曲线具有明显差异,利用反映这种差异的光谱特征参数建立回归模型,可为反演落叶松冠层光合色素含量进而诊断落叶松健康状况提供方法和途径。以吉林省延边州敦化、和龙两市林场中健康的和遭受落叶松早落病侵害的人工落叶松林为调查对象,在对野外采集的14个落叶松冠层样本进行光谱测量及光合色素含量测量的基础上,选取8个对落叶松冠层光合色素含量变化反映敏感的光谱参数参与建立其光合色素含量的一元线性回归和多元逐步回归模型。研究结果表明,不同健康程度的落叶松冠层光谱曲线在其可见光及近红外波段有3个比较明显的特征差异处,分别位于光谱曲线的“绿峰”、“红谷”和“红边”位置。利用反映这些差异的8个光谱特征参数建立落叶松冠层光合色素含量的回归模型,除 “红边”这一参数回归效果不令人满意外,其余7个参数均得到了较好的回归效果,其中利用峰谷波长差Dgr建立的关于总叶绿素和叶绿素b含量的一元回归模型R²值分别达到0.842 8和0.749 8,利用NDGI建立的关于叶绿素a和类胡萝卜素含量的一元回归模型R²值分别达到0.875 8和0.789 7;多元逐步回归模型的回归效果与一元回归模型相比,各判定系数R²值均有所提高,总叶绿素、叶绿素a、b和类胡萝卜素含量的回归模型R²值分别达到0.885、0.910、0.839和0.862。     

基于无人机激光雷达的森林冠层高度分析——以祁连山东、中部青海云杉为例

快速准确获取森林结构参数对森林资源调查管理及全球碳汇研究具有重要意义。以祁连山东、中部青海云杉林为研究对象,利用16个无人机激光雷达(LiDAR)点云数据、正射影像数据结合实地样方观测数据,提取样方内青海云杉的单木树高并准确验证树木分割精度;结合实测数据和地形数据,依据统计指标验证提取树高精度并分析原因;基于点云数据提取的各样方树高分析祁连山青海云杉冠层高度在空间上的变化。结果表明:在祁连山山地森林,冠层高度平均值估算精度最高,R~2为0.93,RMSE为1.39 m(P0.05);地形影响基于点云数据的树高提取,坡度较小的青海云杉树高提取效果更好;从东到西,青海云杉平均树高呈下降趋势;随着海拔高度上升,青海云杉的平均树高先上升后下降,这与祁连山东西水热条件差异和不同海拔树木年龄分布有关。     

ICESat-2 ATL08地形和冠层高度产品精度评估

ICESat-2 ATL08地形及冠层高度产品在大范围的森林资源调查研究中的性能还需进一步探究。为此，文章首先对35个生态网络观测站的ATL08地形及冠层高度产品进行整体的精度评估；其次，验证其在不同生物群落中的精度并对单站精度进行定量评价；最后，分析该产品在多种误差因素条件下的性能。结果表明：地形和冠层高度产品的整体RMSE分别为3.23 m和6.58 m;地形高度产品在低矮或稀疏的植被区精度较高，在高大或茂密的森林区精度较低，且其精度随坡度、植被覆盖度及冠层高度的增加而降低；冠层高度产品在温带阔叶林和混交林地区的%RMSE为34.78%,在沙漠和干旱灌木丛地区的%RMSE为127.47%。另外，相比地形高度产品，冠层高度产品受地物覆盖类型、冠层高度和植被覆盖度的影响更严重且影响机制较为复杂。     

地基与无人机LiDAR融合点云的人工林蓄积量估算

激光雷达(Light Detection and Ranging, LiDAR)在林业调查中应用广泛,但单独利用地基或无人机LiDAR难以完整描述复杂的森林垂直结构,地基和无人机的结合可以获取更完整的森林空间结构信息。对地基与无人机点云进行配准融合并提取单木主干,使用随机Hough变换分段拟合树干点云,由分段树干直径拟合削度方程并使用区分求积法计算单木材积,累加单木材积得到样地蓄积量。与二元材积模型计算值进行对比,结果表明：基于融合点云计算单木材积的精度优于地基点云,R²可提升2%以上,RMSE降低0.01 m³;削度方程结合区分求积法计算出样地蓄积量R²=0.98,RMSE为0.87 m³,达到较高精度,其中杉木材积计算结果的R²为0.96、RMSE为0.07 m³,桉树材积的R2为0.93,RMSE为0.07 m³;简单、中等、复杂3类样地中,简单和中等样地杉木和桉树材积的R2均在0.94以上,RMSE在0.07 m^3<...     

基于多源遥感数据及几何光学模型的森林郁闭度估测

森林冠层郁闭度(Forest Canopy Closure,FCC)是评估森林资源的重要因素,准确估算森林郁闭度对森林经营和管理具有重要意义。基于Li-Strahler几何光学模型,无人机激光雷达和高分六号宽幅(GF-6 Wide Field of View,GF-6 WFV)数据估测森林郁闭度,并针对混合像元的问题提出了一种可靠的方法。首先,利用无人机激光雷达衍生的高精度森林结构参数计算无人机飞行覆盖区域的光照背景分量。然后,利用连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)算法及线性光谱分解模型对GF-6 WFV进行混合像元分解,确定研究区最优场景分量。最后,利用Li-Strahler几何光学模型估测研究区域森林冠层郁闭度,并利用野外样地实测数据进行精度验证。结果表明：估测郁闭度与实测郁闭度之间的决定系数(R²)为0.692 8,均方误差根(RMSE)为0.059 4,总体精度为93.4%,Li-Strahler几何光学模型可以有效的在森林郁闭度反演中发挥作用。     

基于机载LiDAR点云数据森林郁闭度估测

郁闭度是反映森林数量和质量的重要参数,是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础,基于二维冠层高度模型（Canopy Height Model,CHM）和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价,结果表明：基于二维CHM估测郁闭度与实测值之间的R²=0.388,RMSE=0.17;而基于三维点云估测郁闭度采用了2种方法：第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.467,RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.478,RMSE=0.12;基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法,基于三维点云估测林分郁闭度方法中,第二种方法的精度优于第一种方法。     

基于数字距离变换的3D模型骨架提取算法

在获得三维模型体素表示的基础上 ,通过比较模型体素及其 2 6连通域体素到模型轮廓的最小欧式距离 ,提出了一种利用骨架体素 2 6连通域的对称性进行三维模型骨架体素提取的算法 整个算法只需遍历一次体数据集即可自动完成模型骨架的提取过程 .实验表明 ,该算法具有较高的效率和精度 .     

时间序列冰面湖水深反演及储水量变化监测

针对缺少实测数据导致格陵兰冰面湖水深反演及精度验证较难开展问题，提出了一种基于交叉比对的冰面湖水深反演及精度评价方法，实现了格陵兰消融期内9期时间序列WorldView影像上的冰面湖水深反演和储水量变化监测。引入北极数字高程模型开展基于形态拟合法的时间序列冰面湖水深反演，基于非线性物理模型拟合参数实现基于物理模型的水深反演，两种方法水深反演结果R²平均可达0.728。9期冰面湖水深反演结果平均相对误差优于20.43%,均方根误差平均优于0.69 m。经冰面湖储水量计算，整个消融期内冰面湖总储水量累计可达5 331.35×10⁴ m³。通过冰面湖面积、最大水深和储水量变化监测，发现了冰面湖的融水输送现象，为研究格陵兰冰盖表面融水的存储、输送和释放机制提供有益参考。     

区域森林生物量遥感信息模型构建研究

森林是陆地生态系统中最大的碳汇,在调节全球碳平衡、减缓大气CO²等方面具有不可替代的作用。森林生物量是陆地生态系统碳循环过程中最主要的参数,准确估算森林生物量及森林的变动引起的生物量变化受到科学家的普遍关注,并成为碳循环科学研究中的焦点。以生态敏感区滇西北香格里拉县为研究区,在野外森林样方调查数据的支持下,综合3S技术、地理学、生态学、气象学等相关知识,筛选了9个植被指数、2波段灰度值、生长季降水、生长季积温、生长季总辐射量、海拔、坡度、坡向、坡位和土壤有机质含量等多个因子,组合成遥感综合因子层、地理综合因子层与水、光、热共同构成变量,建立了区域森林生物量估算模型,并进行了检验,模型的R、R²、aR²及F统计量分别为0.809、0.655、0.661、101.436;样地实测值与模型估测值建立线性回归方程常数项(a)和回归系数(b)分别为0.09和1.021;用22个野外实测样点生物量数据对估算模型进行独立性检验,平均估算精度达到76.43%。说明模型的估算精度总体稳定,基本满足生物量估算精度要求,可用于该区域的森林生物量估算研究。     

基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题,提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木主干点云主方向相似度及轴向分布密度分割主干与其他植物器官点云。接着以主干点云为基础,采用迭代最小二乘拟合圆柱的方法自动提取树木位置、胸径;构建点云的八叉树结构,利用体素的空间邻接性实现点云分割,自动提取树高。最后,结合单株植物建模技术,以树根节点为纽带构建样地尺度上的森林场景三维模型。实验结果显示,胸径估测R~2为0.996,平均相对误差为2.09%,RMSE为0.66 cm;树高估测R~2为0.972,平均相对误差为2.16%,RMSE为0.92 m;所重建的森林场景三维模型可表达森林样地的真实形态。     

基于DART模型和随机森林估算山地叶面积指数

地形效应会使遥感影像中的地表反射率发生畸变,进而影响基于反射率估算的叶面积指数(Leaf Area Index,LAI)精度。为了减弱或消除地形对LAI反演的影响,基于三维辐射传输模型DART(Discrete Anisotropic Radiative Transfer)构建坡地反射率与LAI数据集作为训练数据。以反射率为输入,LAI为输出,利用随机森林算法进行训练,构建山地LAI反演模型。结合实际遥感影像数据实现山地LAI的估算,并利用实测数据对反演结果开展精度评价。同时,基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性。结果表明：考虑了地形影响的山地LAI反演模型具有较强的估算能力,验证结果的精度(决定系数(R²)=0.57,均方根误差(RMSE)=0.77 m²/m²)优于平地反演模型(R2=0.46,RMSE=0.86 m2/m2);基于DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响,其反演结果较好地还原了研究区LAI的空间分布,与地面真实情况接近。研究...     

GA-PLS方法提取土壤水盐光谱特征的精度分析

光谱定量遥感已成为土壤盐渍化大尺度调查的有效手段之一,但黄河三角洲地区盐渍化土壤的光谱响应特征尚未明确。以黄河三角洲野外测定土壤体积含水率、电导率为例,应用遗传偏最小二乘法(GA-PLS)在小样本集条件下提取盐渍土壤的水分-盐分的光谱响应特征,利用蒙特卡罗方法随机模拟结果表明:在不同土壤水盐含量条件下,GA-PLS方法所提取的光谱特征具有鲁棒性,含水率模型稳定在23个波段变量,即响应特征为365~425,500~515,720~740,755~765与955~965 nm;土壤电导率模型的特征集数目为20个波段变量,特征为370~385,405~425\,500~535,650~660,755~760与1 030~1 050 nm。实验在不同预处理模型下,GA-PLS算法所建立水盐光谱模型较PLSR模型均显示出更高的精度。其中,包络线预处理方法与GA-PLS算法相结合效果最优,其水分光谱模型测试集拟合精度(R²),预测残差平方和(PRSS)与残差预测方差(RPD)分别为0.88,9.36与15.80;土壤光谱模型测试集精度R²,PRSS与RPD分别为0.71,15.68与13.76。